如何提高keras模型預(yù)測速度？一旦確定了keras模型，不修改keras框架的源代碼就不會(huì)有任何改變。唯一的出路是擴(kuò)大GPU。一般情況下，我們只能嘗試修改模型結(jié)構(gòu)、量化剪枝等方式，自行修改框架源代碼

如何提高keras模型預(yù)測速度？

一旦確定了keras模型，不修改keras框架的源代碼就不會(huì)有任何改變。唯一的出路是擴(kuò)大GPU。

一般情況下，我們只能嘗試修改模型結(jié)構(gòu)、量化剪枝等方式，自行修改框架源代碼，沒有必要。

通常，為了加快模型的預(yù)測速度，只需加載一次模型即可。

當(dāng)模型的預(yù)測時(shí)間過長時(shí)，通常采用減少卷積核、減少卷積核數(shù)、增加步長、增加池單元等方法。一些參數(shù)較少的主干也可能被替換。

或者考慮使用移動(dòng)終端分離卷積和空穴卷積。

最后，默認(rèn)情況下，我們的模型由floaf32的精度表示，可以適當(dāng)量化。它以16位、8位甚至2位精度表示。只要模型的精度不顯著降低，且滿足使用場景，則是合理的。

如果您在這方面還有其他問題，請關(guān)注我，一起學(xué)習(xí)。

Keras還是TensorFlow，程序員該如何選擇深度學(xué)習(xí)框架？

如果您想用少量代碼盡快構(gòu)建和測試神經(jīng)網(wǎng)絡(luò)，keras是最快的，而且順序API和模型非常強(qiáng)大。而且keras的設(shè)計(jì)非常人性化。以數(shù)據(jù)輸入和輸出為例，與keras的簡單操作相比，tensorflow編譯碼的構(gòu)造過程非常復(fù)雜（尤其對于初學(xué)者來說，大量的記憶過程非常痛苦）。此外，keras將模塊化作為設(shè)計(jì)原則之一，用戶可以根據(jù)自己的需求進(jìn)行組合。如果你只是想快速建立通用模型來實(shí)現(xiàn)你的想法，keras可以是第一選擇。

但是，包裝后，keras將變得非常不靈活，其速度相對較慢。如果高度包裝，上述缺點(diǎn)將更加明顯。除了一些對速度要求較低的工業(yè)應(yīng)用外，由于tensorflow的速度較高，因此會(huì)選擇tensorflow

如果您在驗(yàn)證您的想法時(shí)，想定義損失函數(shù)而不是使用現(xiàn)有的設(shè)置，與keras相比，tensorflow提供了更大的個(gè)性空間。此外，對神經(jīng)網(wǎng)絡(luò)的控制程度將在很大程度上決定對網(wǎng)絡(luò)的理解和優(yōu)化，而keras提供的權(quán)限很少。相反，tensorflow提供了更多的控制權(quán)，比如是否訓(xùn)練其中一個(gè)變量、操作梯度（以獲得訓(xùn)練進(jìn)度）等等。

盡管它們都提供了深度學(xué)習(xí)模型通常需要的功能，但如果用戶仍然追求一些高階功能選擇，例如研究特殊類型的模型，則需要tensorflow。例如，如果您想加快計(jì)算速度，可以使用tensorflow的thread函數(shù)來實(shí)現(xiàn)與多個(gè)線程的相同會(huì)話。此外，它還提供了調(diào)試器功能，有助于推斷錯(cuò)誤和加快操作速度。

為什么說標(biāo)準(zhǔn)模型還不完善？目前有物理學(xué)前沿問題沒有解決？

名不見經(jīng)傳，名不見經(jīng)傳，都叫玄志。神秘而神秘，是所有奇跡之門。

沒有形狀的空間和有形狀的材料的成分是相同的，但形狀不同。空間和物質(zhì)的組成部分是旋轉(zhuǎn)的“氣體”，旋轉(zhuǎn)的氣體相互交織，形成另一個(gè)旋轉(zhuǎn)的氣體量子，這是微粒子世界的標(biāo)準(zhǔn)模型。

由于宇宙本身的分辨率有限以及普朗克大小的存在，宇宙之間沒有聯(lián)系，而是分成了小粒子。由于宇宙本身的精度有限和普朗克尺寸的誤差，宇宙對空間的最小劃分尺寸猶豫不決，空間最小劃分尺寸的標(biāo)準(zhǔn)在一定的誤差值內(nèi)波動(dòng)，導(dǎo)致空間量子漲落。

由于宇宙將空間的最小尺寸劃分為不同的標(biāo)準(zhǔn)，普朗克大小的空間粒子塊在其大小波動(dòng)時(shí)會(huì)振動(dòng)和位移。從空間中分離出來的粒子塊被陶德清稱為“氣”。

氣在空間中運(yùn)動(dòng)，“巧子”在同一個(gè)中心運(yùn)動(dòng)，在《道德經(jīng)》中比喻為“玄”。玄的本義是“繞線”，在《道德經(jīng)》中引申為“氣團(tuán)”。

圍繞同一中心移動(dòng)的“空氣質(zhì)量量子”形成較大的空氣質(zhì)量，圍繞同一中心移動(dòng)的“較大空氣質(zhì)量量子”形成較大的空氣質(zhì)量。

經(jīng)過層層的纏繞運(yùn)動(dòng)，沒有形態(tài)的空間被轉(zhuǎn)化為觀察到的物質(zhì)基本粒子。氣在空間的運(yùn)動(dòng)使氣的分布不均，產(chǎn)生空間壓力，在《道德經(jīng)》中稱之為“氣沖”。

“萬物陰為陰，陽為正，重氣為和”。物質(zhì)粒子的中心是缺氣的“陰”，粒子周圍有豐富的氣。空間壓力是宇宙的基本作用力。在《道德經(jīng)》中，宇宙物質(zhì)之間的基本作用力是統(tǒng)一的，既有來自空間壓力的作用力，也有來自空中物體運(yùn)動(dòng)的作用力。

宇宙物質(zhì)之間的基本相互作用力不是物質(zhì)的固有屬性，現(xiàn)代高能粒子物理理論是錯(cuò)誤的。

宇宙微觀物質(zhì)和宏觀物質(zhì)的運(yùn)動(dòng)規(guī)律是統(tǒng)一的，是物質(zhì)在空間流體中運(yùn)動(dòng)所產(chǎn)生的流體效應(yīng)。

keras已訓(xùn)練好模型，一段時(shí)間后又有新數(shù)據(jù)，如何在已有模型基礎(chǔ)上繼續(xù)做增量訓(xùn)練？

我也是一個(gè)菜鳥，可以作為溝通。。。

在我看來，如果網(wǎng)絡(luò)不需要調(diào)整（例如不添加新的類別），只需使用一個(gè)小的學(xué)習(xí)率來微調(diào)網(wǎng)絡(luò)的所有數(shù)據(jù)。

如果網(wǎng)絡(luò)結(jié)構(gòu)發(fā)生變化（如增加新的類別），在前期（如conv層）固定網(wǎng)絡(luò)參數(shù)，后期（如FC層）直接學(xué)習(xí)參數(shù)。然后放開凍結(jié)，微調(diào)大局。